1) Recurrent prediction error algorithm
递推预报误差(RPE)算法
2) Recursive prediction error algorithm
递推预报误差算法
1.
A recursive prediction error algorithm which converges fast is applied to tra.
采用了收敛速度较快的递推预报误差算法训练神经网络。
2.
A recursive prediction error algorithm which converges fast is applied.
采用递推预报误差算法训练神经网络 ,具有收敛速度快、收敛精度高的特点 。
3) recursive prediction error learning algorithm
递推预报误差学习算法
1.
Based on the generalized cost criterion, a new recursive prediction error learning algorithm (GRPE) for diagonal recurrent neural networks (DRNN) is presented, which has the second order convergence.
基于广义性能指标 ,提出一种神经网络学习算法——广义递推预报误差学习算法 (GRPE) ,该算法具有二阶收敛阶次。
4) recursive prediction error algorithm
递推预报误差
1.
To overcome the slow convergence of the BP algorithm,recursive prediction error algorithm is proposed,which can train both the weight and the bias.
本文介绍了动态对角递归网络,并针对BP算法收敛慢的缺点,将递推预报误差学习算法应用到神经网络权值和域值的训练。
5) recursive predition error algorithm
速推预报误差法
6) Recursive prediction error estimation
递推预报误差估计
1.
On the stationary condition, we estimate parameters in the BL(P,0,1,1) model with the method of moment estimation, Recursive prediction error estimation, Least squares estimation, and Optimal filtering method.
其次,介绍了模型BL(P,0,1,1)的平稳及可逆条件,并在平稳条件下对该模型分别用矩估计、递推预报误差估计、最小二乘估计和最优滤波方法讨论了模型BL(P,0,1,1)的参数进行估计及其相关统计性质。
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条